Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIÓN
Las organizaciones y empresas actuales tienen enormes retos para mantenerse en los mercados, lo cual
obliga a mejorar su competitividad
Este módulo inicia con los conceptos necesarios para comprender los campos de aplicación de la
investigación de operaciones y la forma en que los modelos adquieren importancia para su aplicación,
posteriormente se expone la metodología de creación de modelos y su estructura para ingresar en el
método de la programación lineal finalizando con los conceptos de simulación.
2
Introducción a la investigación de operaciones y construcción de modelos
TABLA DE CONTENIDO
INTRODUCCIÓN .......................................................................................................................... 2
IDEOGRAMA ................................................................................................................................ 5
1 INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES ..................................... 6
1.1 HISTORIA ....................................................................................................................... 6
1.2 DEFINICIÓN ............................................................................................................. 8
1.3 APLICACIONES ............................................................................................................. 9
1.4 METODOLOGÍA .......................................................................................................... 10
2 CONSTRUCCIÓN DE MODELOS ..................................................................................... 11
2.1 CONCEPTOS BÁSICOS ............................................................................................... 11
2.1.1 Función(es) objetivo ............................................................................................... 12
2.1.2 Variables de decisión .............................................................................................. 12
2.1.3 Restricciones ........................................................................................................... 12
2.2 CLASIFICACIÓN DE MODELOS ............................................................................... 13
2.2.1 Modelos determinísticos o estocásticos .................................................................. 13
2.2.2 Modelos estáticos y dinámicos ............................................................................... 14
2.2.3 Modelos lineales y no lineales ................................................................................ 14
2.2.4 Modelos enteros y no enteros.................................................................................. 14
2.2.5 Modelos y métodos frecuentes de la investigación de operaciones ......................... 15
2.3 PASOS PARA LA CONSTRUCCIÓN DE MODELOS ............................................... 16
2.3.1 Definición del problema ......................................................................................... 17
2.3.2 Observación y recolección de datos ........................................................................ 17
2.3.3 Formulación del modelo matemático. ..................................................................... 18
2.3.4 Validación y prueba del modelo matemático .......................................................... 18
2.3.5 Presentación de los resultados y conclusiones ........................................................ 19
2.3.6 Implementación....................................................................................................... 19
2.4 INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL .............................................. 20
2.4.1 Supuestos de la programación lineal ....................................................................... 33
3
Introducción a la investigación de operaciones y construcción de modelos
4
Introducción a la investigación de operaciones y construcción de modelos
IDEOGRAMA
Historia
Definición
INTRODUCCION A LA
INVESTIGACION DE
OPERACIONES
Aplicaciones
Metodología
Módulo.
Conceptos básicos
Clasificación de modelos
Introducción
Programación lineal
Simulación
5
Introducción a la investigación de operaciones y construcción de modelos
A continuación, se realizará una breve descripción de los hechos históricos que facilitaron la creación
de esta rama de la administración apoyada en las matemáticas, sus definiciones y aplicaciones típicas,
lo cual nos dará un panorama de qué es la investigación de operaciones y la importancia que adquiere
en los diferentes campos en los que el hombre interviene. Posteriormente se hará una revisión de los
tipos de modelos usados en la investigación de operaciones, sus componentes y, finalmente,
estudiaremos los métodos de programación lineal y los modelos de simulación.
1.1 HISTORIA
No fue hasta el inicio de la segunda guerra mundial que “un equipo de científicos empezó a tomar
decisiones con respecto a la mejor utilización de material bélico” (Taha, 2012, pág. 1) basado en el
estudio o investigación de operaciones militares con el fin de mejorar el suministro de armamento y
recursos a las unidades en combate. Una vez finalizada la guerra, estas estrategias tendientes al
mejoramiento de la eficiencia y productividad de las operaciones se empezaron a aplicar en la industria
manufacturera y en diferentes ámbitos de las organizaciones civiles.
6
Introducción a la investigación de operaciones y construcción de modelos
En las décadas de los años 40’s y 50’s se desarrollaron gran parte de las teorías y/o herramientas de la
investigación de operaciones, entre ellas, el método simplex, la programación lineal, la programación
dinámica, la teoría de colas, teoría de transportes y teoría de inventarios.
En la década de los años 90’s inició la revolución de los sistemas informáticos con el surgimiento de
las computadoras de gran procesamiento y tamaño reducido en las se desarrollaron aplicaciones de
software para procesamiento matemático, como las hojas de cálculo, permitiendo el manejo de un
gran número de datos, la consideración de múltiples variables para análisis de procedimientos y por
tanto facilitando los procesos de tomas de decisiones por el aumento en la capacidad de análisis de
datos a través de los sistemas informáticos.
1 http://www.lindo.com/
2 http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/descargas-y-multimedia/
3 http://soft.ingenieria-industrial.net/
7
Introducción a la investigación de operaciones y construcción de modelos
1.2 DEFINICIÓN
8
Introducción a la investigación de operaciones y construcción de modelos
1.3 APLICACIONES
La investigación de operaciones tiene aplicaciones muy diversas en los diferentes campos en los se
requiere de la optimización en la distribución y el uso de los recursos para obtener soluciones ante
problemas organizacionales, industriales, de negocios y gubernamentales, así como para facilitar los
procesos de toma de decisiones usando como herramienta el modelamiento de las situaciones en
cuestión. Dentro de los campos mencionados anteriormente encontramos aplicaciones particulares de
la investigación de operaciones, tales como:
9
Introducción a la investigación de operaciones y construcción de modelos
1.4 METODOLOGÍA
a) El proceso inicia con la observación cuidadosa y la formulación del problema, lo cual incluye
la recolección de los datos pertinentes.
b) El siguiente paso es la construcción de un modelo científico – generalmente matemático – con
el cual se intenta abstraer la esencia del problema real.
c) En esta etapa se propone la hipótesis de que el modelo será una representación tan precisa de
las características esenciales de la situación, que permitirá que las conclusiones – soluciones –
que se obtengan sean válidas también para el problema real.
d) Después se llevan a cabo los experimentos adecuados para probar esta hipótesis, para
modificarla si es necesario y para verificarla en determinado momento, paso que se conoce
como validación del modelo…
e) también se debe proporcionar conclusiones claras para que el tomador de decisiones pueda
usar cuando sea necesario.
De acuerdo a lo anterior, el proceso metodológico ante cualquier situación que requiera la aplicación
de la teoría de la investigación de operaciones se resume en la Figura 2.
Fuente: Autor
10
Introducción a la investigación de operaciones y construcción de modelos
Es importante tener en cuenta que la construcción de modelos parte de una buena caracterización de
las situaciones problemáticas a través de una recolección de datos confiable, los cuales, al ser
procesados y analizados, permitan una representación acertada de la realidad que se desea modelar y
validar – o simular –.
2 CONSTRUCCIÓN DE MODELOS
Mundo real
Realidad Supuesta
MODELO
(Variables representativas)
Fuente: Autor
Este apartado inicia con los conceptos básicos necesarios para comprender qué es un modelo, su
clasificación y los pasos para la construcción y validación de los mismos.
Existen diferentes tipos de modelos para la investigación de operaciones, los cuales pueden ser
descriptivos (cualitativos) o prescriptivos, también conocidos como modelos de optimización. Los
modelos de optimización son de índole matemático, los cuales son los más convenientes para la
investigación de operaciones y por tanto, son los que estudiaremos en esta asignatura.
11
Introducción a la investigación de operaciones y construcción de modelos
Las variables de decisión son aquellas que pueden ser modificadas o controladas y que influyen en el
resultado que se desea obtener u objetivo que se desea alcanzar. Las variables de decisión permitirán
maximizar o minimizar una función objetivo. En el ejemplo c) de la sección 2.1, se puede identificar
como variables objetivo los porcentajes de mezcla de harina y levadura.
2.1.3 Restricciones
12
Introducción a la investigación de operaciones y construcción de modelos
una restricción práctica en las variables de decisión y por ende en los resultados que se obtendrán al
encontrar los puntos máximos y mínimos de la función objetivo.
Como se puede evidenciar, el Ejemplo 2. nos presenta una situación en la cual se plantean los 3
componentes de un modelo.
Lineales o no
lineales
Estáticos o enteros y no
dinámicos enteros
Modelos
deterministas
o estocásticos
Fuente: Autor
Los modelos determinísticos son aquellos en que para cualquier valor de las variables de decisión se
conoce con seguridad el valor de la función objetivo y si las restricciones se cumplen o no para dicho
resultado. En caso que de esta situación no ocurra podremos decir que el modelo es estocástico.
13
Introducción a la investigación de operaciones y construcción de modelos
Los modelos estáticos no tienen influencia del momento en el cual se evalúa la función objetivo, en
otras palabras, no son afectados por el tiempo, por el contrario, los modelos dinámicos dependen del
tiempo para su solución, es decir, que aun conservando los valores de las variables de decisión, al
evaluar la función objetivo en diferentes instantes de tiempo se pueden obtener soluciones diferentes,
mientras que en los sistemas estáticos ante esta situación el resultado siempre será el mismo.
En los modelos lineales las variables de decisión se ven afectadas únicamente por constantes
(multiplicación o división por valores constantes) y estos productos interactúan en forma de suma de
productos, por ejemplo:
F = 3X + 5Y + 7Z.
En los modelos no lineales las variables de decisión se ven afectadas por otras variables de forma
directa (multiplicaciones, divisiones o potencias) o son relaciones de proporcionalidad cuadráticas,
factoriales u otras operaciones no lineales.
F = 3√X + 5Y2 + 7Z
14
Introducción a la investigación de operaciones y construcción de modelos
Un modelo no entero es aquel en donde todas las variables de decisión asumen valores fraccionarios
(no enteros), si al menos una de las variables asume valores enteros se asume que el modelo es de tipo
entero. Los modelos se tipo entero son más difícil se tratar debido a que los soluciones se restringen
a valores puntuales, es decir, a números enteros.
Ejemplo 1
En un evento en el cual se servirán 2.500 desayunos, almuerzos,
cenas, sin embargo, el número de platos que se sirven en cada
servicio varía, de acuerdo a lo anterior se requiere calcular el
número de meseros necesarios en cada turno con el fin de
minimizar los costos de personal del contrato.
En la situación anterior la variable de decisión a optimizar es el
número de meseros, la cual es indivisible y se expresa en
unidades enteras.
15
Introducción a la investigación de operaciones y construcción de modelos
Programación lineal
Programación no lineal
Simulación de sistemas
Programación entera
Programación binaria
Teoría de colas.
Programación de metas múltiples
Redes de optimización
Modelos de inventarios
Modelos de transporte
Líneas de espera
Teoría de juegos
Análisis de decisiones
Cadenas de Markov
Programación dinámica
En esta asignatura estudiaremos los métodos más frecuentes, estos son: Programación lineal, métodos
de simulación, Método Simplex, Modelo de Transporte, Teoría de Colas, Cadena de Markov y
finalmente el método de administración de proyectos CPM. A continuación, estudiaremos los
pasos recomendados para la construcción de cualquier modelo en la investigación de operaciones.
Como se había mencionado en la sección 2.2, la mayoría de los modelos usados en la investigación de
operaciones son preferiblemente matemáticos, aunque esto no quiere decir que el trabajo generado en
los estudios abordados se restrinja a esta actividad numérica. Los pasos recomendados para la
construcción de modelos se exponen a continuación:
16
Introducción a la investigación de operaciones y construcción de modelos
Validación y
Presentación de
Implementación prueba del
resultados
modelo
Fuente: Autor
En las siguientes secciones se realizará una exposición de cada uno de los pasos necesarios para la
elaboración de modelos.
Cuando se inicia un estudio de investigación de operaciones es importante conocer los intereses reales
de la organización, las dificultades que se presentan y los objetivos que se quieren alcanzar, de acuerdo
a lo anterior, el investigador se convierte en un agente cooperador y asesor de los niveles altos de la
jerarquía de la organización y debe conoce los detalles operativos del problema que se quiere
solucionar.
Es evidente que un mal planteamiento del problema no permitirá obtener resultados satisfactorios al
finalizar el proceso de investigación y de la completa y comprometida cooperación de la organización
depende en gran parte del éxito del proceso.
Por otro lado, los objetivos planteados en la investigación deben estar acorde con los objetivos de la
organización e impactan todas las áreas de la misma, sin embargo, en muchas oportunidades los
problemas que se presentan son localizados en algunas áreas o procesos particulares y esto conlleva a
que los objetivos asuman un carácter particular, esto sin olvidar el compromiso con la orientación y
dirección de la organización.
17
Introducción a la investigación de operaciones y construcción de modelos
Dentro del proceso de observación se realiza la recolección de datos de las variables identificadas,
proceso que puede llevar mucho tiempo al equipo investigador u operativo ya que se requieren muchos
datos para que la representación de la situación sea los más precisa posible.
Además de la función objetivo, el modelo incluye las diferentes restricciones las cuales dependen a las
circunstancias extraídas de la realidad y que matemáticamente ajustan las posibles respuestas del
modelo. Las restricciones casi siempre se representan en desigualdades matemáticas, por ejemplo:
X1 ≥ 10;
3 ≤ X2 ≤ 7;
Una vez elaborado el modelo matemático se procede a desarrollar un procedimiento para obtener la
solución o soluciones del mismo. Generalmente este paso se realiza en un software de computador,
el cual puede ser especializado o en hojas de cálculo como Excel de Microsoft ®. En gran parte de los
18
Introducción a la investigación de operaciones y construcción de modelos
modelos se requiere de procesos de iteración con el fin de alcanzar la solución óptima que puede
ofrecer el modelo.
Antes de emitir conclusiones sobre el resultado obtenido es importante realizar los cálculos
correspondientes con el fin de determinar que el modelo planteado es una representación precisa de
la realidad analizada, esto de hace simulando el modelo sobre valores conocidos usando los datos
recolectados en la etapa de observación y recolección de datos. En algunos casos el modelo puede
diferir de la realidad y por tanto se requiere ajustarlo o reformularlo.
Después del proceso de validación y prueba del modelo, se simula el modelo con el objetivo de obtener
la solución del mismo o soluciones las cuales se presentan a la organización o dirección de la empresa
para orientar la toma de decisiones.
Se debe tener en cuenta que la dirección de la empresa u organización puede no tener conocimiento
sobre la forma en que interviene la investigación de operaciones, por tanto, la presentación de los
resultados de la evaluación del modelo debe ser clara y precisa de tal forma que facilite la toma de
decisiones. Es importante aclarar que el equipo investigador no debe sugerir la decisión, pero si
dar recomendaciones al respecto, debe realizar una presentación clara de las diferentes
alternativas y proyecciones generadas para que la dirección determine cuál de las soluciones se ajusta
más a las metas u objetivos de la empresa y así pueda tomar la decisión más conveniente.
2.3.6 Implementación
Finalizados todos los pasos anteriores se procede a la implementación del mismo de acuerdo a las
decisiones que haya tomado la administración. Teniendo en cuenta que estas decisiones se han tomado
de acuerdo al estudio realizado por el equipo de investigación, se hace conveniente que este acompañe
a la organización en el proceso de implementación para asegurar que las soluciones propuestas sean
un reflejo de las entregadas por el modelo y se sigan las recomendaciones generadas en la etapa de
presentación de resultados.
En la figura 5 se presenta un diagrama de flujo orientativo sobre el proceso de planteamiento.
19
Introducción a la investigación de operaciones y construcción de modelos
El modelo de programación lineal establece una medida global de desempeño la cual es el resultado de la
función objetivo del modelo matemático la cual, a su vez, se compone de los aportes o consumos de
recursos realizados por cada actividad.
20
Introducción a la investigación de operaciones y construcción de modelos
Xn = Nivel de la actividad.
Fuente: Modificado de Investigación de operaciones, (Hillier & Lieberman, 2015, pág. 32)
La estructura general de los modelos de programación lineal se puede obtener directamente de tabla
representativa para elaboración de modelos de programación lineal (Tabla 1) de la siguiente forma:
Función objetivo
Función Objetivo:
Fo = X1 Y1 + X2 Y2 + ⋯ + XnYn
Restricciones
22
Introducción a la investigación de operaciones y construcción de modelos
Como puedo observarse en las restricciones que tiene una desigualdad “mayor o igual a (≥)”, una
segunda desigualdad “menor o igual que (≤)” y una igualdad “=”.
Ejemplo 2 en la página 23
Ejemplo 2. Maximización.
Un fabricante de alimentos para animales requiere maximizar sus ganancias en la
fabricación de 2 productos X y Y, a partir del menor uso de materias primas. El
producto X requiere 100gr de la materia prima 1 (MP1) y 200gr de la materia prima
2 (MP2), el producto Y requiere 150gr de MP1 y 100gr de MP2. El precio de venta
al público de los productos X y Y es de $500 y $400 respectivamente. El fabricante
dispone 75kg (75000gr) de Mp1 y 100kg (100.000gr) de MP2.
¿Qué número de productos X y Y se deben fabricar para obtener la mayor
ganancia?
Consumo de recursos
por actividad Cantidad de
Recurso (Z) recursos
Actividad disponibles
X Y (Zn)
MP1 100 150 75.000
MP2 200 100 100.000
23
Introducción a la investigación de operaciones y construcción de modelos
Contribución a
500 400 -o-
la MGD (Y)
Fuente: Autor
FUNCIÓN
F = 500X + 400Y
OBJETIVO
Las variables de decisión son las cantidades de productos X y Y que deberán ser fabricados para alcanzar la
máxima ganancia, por tanto, el objetivo de análisis del modelo es encontrar las cantidades de
fabricación de los productos 𝑊 𝑊 𝑊 que deben ser fabricados para alcanzar este objetivo teniendo
en cuenta las restricciones de cantidad de materia prima disponible.
Analizando las dos primeras restricciones observamos que son coherentes con la realidad planteada
debido a que establecen el límite de uso total de la materia prima disponible en la fabricación de los
dos productos en cuestión.
Procedimiento de solución.
No existe una única forma para dar solución a este problema de maximización, sin embargo, un buen
inicio es determinar los valores de X, y y Z permitidos por las restricciones las cuales, en este
caso, desigualdades matemáticas. Para lo anterior se obtiene la solución a las desigualdades y se
realiza una representación gráfica en la cual se observe este resultado (zonas azules Figura 6),
los valores
24
Introducción a la investigación de operaciones y construcción de modelos
contenidos en la intersección (zona gris) de estas soluciones se convierten en la región factible en la cual
se encontrará la solución al problema de optimización.
Evaluamos los extremos de la ecuación suponiendo que se usará todo el material en un solo
producto. Obtenemos producción máxima de los productos X, Y y Z para esta situación (puntos
X, Y y Z).
Graficando los resultados obtenidos en un plano (X, Y) obtenemos la intersección de las dos
ecuaciones de restricción en la cual se encontrará la solución óptima al problema planteado
25
Introducción a la investigación de operaciones y construcción de modelos
Fuente: Autor
Finalmente evaluamos como igualdades el sistema de ecuaciones de 2x2 que conforman las dos
ecuaciones de restricción y determinamos el punto de coincidencia (X, Y) que satisface las ecuaciones.
100X + 150Y = 75.000 (3)
26
Introducción a la investigación de operaciones y construcción de modelos
Despejando X,
X = 375
Se determina el valor del producto Y reemplazando el valor del producto X calculado en cualquiera
de las dos ecuaciones, en este caso se reemplaza en la ecuación 200X+100Y=100.000
(4).
Con el procedimiento anterior se determina que los valores de fabricación de X,Y y Z que satisfacen
las ecuaciones de restricción son 375 y 250 respectivamente. Es importante tener en cuenta que los
puntos se encuentran en la región factible mostrada en la figura 4, por tanto, el resultado es válido.
En la Figura 7 se expondrán los puntos de evaluación de la función objetivo con los el fin de determinar
cuál combinación de fabricación de productos X, Y y Z que genera la mayor ganancia económica
con los recursos disponibles y que cumplen con las restricciones de cantidad establecidas para cada
material.
Figura 7. Puntos de evaluación del modelo de programación lineal
27
Introducción a la investigación de operaciones y construcción de modelos
Fuente: Autor
Como se puede observar se han obtenido 5 puntos, sin embargo solo 3 de ellos se encuentran en la
región factible los cuales serán evaluados en la función objetivo para obtener su ganancia total, resultados
que se exponen en la Tabla 3.
0 500 $200.000
Fuente: Autor
28
Introducción a la investigación de operaciones y construcción de modelos
De acuerdo a los resultados obtenidos se puede concluir que la máxima ganancia se obtiene
fabricando 375 productos X y 250 productos Y, solución óptima del modelo.
Fin Ejemplo 2.
En el ejemplo anterior algo a tener en cuenta, y que es común en las soluciones de optimización, es
que la solución óptima se encuentra en los bordes de la intersección de las rectas formadas por las
restricciones (ver Figura 7).
A continuación, se presenta un ejemplo de minimización de la función objetivo aplicado a un caso
de fabricación de carne de hamburguesa en el cual se debe cumplir con un requerimiento de
contenido de grasa total y se desea minimizar el costo de producción.
Ejemplo 3. Minimización.
Una empresa que se dedica a la fabricación de suministros de comidas rápidas
prepara la carne de hamburguesa con una combinación de carne de res y de cerdo
la cual debe tener un 25% de grasa total, según el requerimiento de un cliente
específico La carne de res contiene un 20% de grasa (80% carne pulpa) y la carne
de cerdo contiene un 32% de grasa (68% pulpa). El costo de res es de $14.000/kg
y la carne de cerdo $11.000/kg.
Determine la cantidad de carne de cada tipo con la cual se debe preparar la carne
de hamburguesa con la cual se cumplan los requerimientos de grasa total y se
minimice el costo de producción. Use como unidad de producción 1 kilogramo de
carne de hamburguesa.
29
Introducción a la investigación de operaciones y construcción de modelos
Cerdo Res
Grasa 0,32 0,2 0,25
Contribución a
$11.000 $14.000 -o-
la MGD (Y)
Fuente: Autor
Como restricción adicional se tiene que las cantidades de carne deben ser cantidades no negativas
(mayores o igual a cero) y no pueden superar el peso de la unidad de producción.
0 ≤ X1 ≤ 1; 0 ≤ X2 ≤ 1 (8)
Procedimiento
Se evalúa en sus extremos la restricción de cantidad de grasa (Ecuación 0,32X1+0,20X2≤ 0,25
(6).
25
X1 =
32
0,32(0) + 0,20X2 = 0,25
X2 = 1,25
Se evalúa la restricción de unidad de producción.
X1 + 0 = 1; X1 = 1
Puntos (1 , 0) 𝑊 (0 , 1)
0 + X2 = 1; X2 = 1
Fuente: Autor
En la Figura 8 se observa la zona azul la cual corresponde a la zona de soluciones válidas que satisfacen
la restricción de cantidad de grasa, la línea verde, la cual es una igualdad, representa los valores que
satisfacen la restricción de unidad de fabricación, es decir, que las cantidades de carne de res y cerdo
usada debe sumar un kilogramo, con esto, se puede determinar que la solución óptima se encuentra
entre la intersección formada por la línea verde y la zona azul.
31
Introducción a la investigación de operaciones y construcción de modelos
Resolviendo el sistema de ecuaciones de 2x2 encontramos que los valores que satisfacen las 2
ecuaciones son:
F1 = 416,7XY
F2 = 583,3XY
Es evidente que la solución óptima es aquella combinación donde se use la mayor cantidad de carne
de cerdo, ya que esta es más económica, y que no supere el porcentaje de grasa del 25% establecido.
Al evaluar en la función objetivo el costo de carne de hamburguesa que se puede fabricar de forma
más económica es:
F = 0.32X1 + 0.2X2
F = $12.750
Comprobación.
Realizaremos una simple comprobación en donde evaluaremos varios puntos de intersección válidos
calculando el precio del 1kg de carne de hamburguesa y dos puntos que cumplen únicamente la
primera restricción.
32
Introducción a la investigación de operaciones y construcción de modelos
Como se puede observar en la Tabla 5 a medida que se disminuye el uso de carne de res y aumenta el
de cerdo, el porcentaje de grasa total de la carne de hamburguesa aumenta y el costo de producción
disminuye. Al evaluar el punto óptimo calculado el porcentaje total de grasa es del 25% y un precio
de $12.750. Cuando las proporciones de carne de cerdo aumentan el costo de producción disminuye,
sin embargo se incumple la condición de grasa total establecida.
Fin Ejemplo 2.
2.4.1.1 Proporcionalidad
Teniendo en cuenta que la programación lineal involucra ecuaciones matemáticas las cuales son
funciones lineales de las variables de decisión, la contribución de estas variables a la función objetivo
es proporcional al valor de cada una y es independiente de los valores de las otras variables. Como
ejemplo, retomando la función objetivo del Ejemplo 2 podemos observar que:
𝑍 = 500X + 400𝑌
33
Introducción a la investigación de operaciones y construcción de modelos
Por cada producto X que se fabrique la ganancia aumenta en $500, al igual que por cada producto
Y fabricado la ganancia aumenta $400. Si se mantiene la producción de X estable y solo aumentamos
Y, se puede observar que el aumento de la ganancia X es proporcional al aumento de la producción
de Y. con lo anterior observamos la proporcionalidad entre las variables de decisión con el resultado
de la función objetivo y la independencia entre las variables X, Y y Z.
2.4.1.2 Aditividad
El supuesto de proporcionalidad condiciona a que las ecuaciones que confirman el modelo no tengan
componentes no lineales que afecten las variables de decisión, sin embargo, no elimina la posibilidad
que la función objetivo y sus restricciones incluya términos que sean el producto entre 2 variables de
decisión. El supuesto de aditividad elimina esta posibilidad y se define de la siguiente manera:
“Cada función de modelo de programación lineal (ya sea la función objetivo o el lado izquierdo de las
restricciones funcionales) es la suma de las contribuciones individuales de las actividades respectivas”
(Hillier & Lieberman, 2015, pág. 38).
En los modelos trabajados en los Ejemplo 2 y Ejemplo 3 observamos que las restricciones se construyen
con la suma de los aportes de cada una de las variables de decisión y no se ven afectadas por el
producto entre variables.
2.4.1.3 Divisibilidad
La suposición de divisibilidad indica que en los modelos matemáticos de la programación lineal las
variables de decisión pueden asumir valores fraccionarios o no enteros, es decir, que la función
objetivo y sus restricciones pueden conformar modelos enteros y no enteros. El Ejemplo 2 expone un
modelo donde las variables de decisión asumen únicamente valores enteros, mientras que en el Ejemplo
3 las variables asumen valores fraccionarios y en ambos casos su estructura cumple con los
requerimientos de los modelos de la programación lineal.
2.4.1.4 Certidumbre
34
Introducción a la investigación de operaciones y construcción de modelos
El supuesto de certidumbre hace referencia a que las constantes que acompañan a las variables de
decisión en la función objetivo y en las restricciones son valores conocidos y no se permite
variabilidad o incertidumbre en los mismos.
Como ejemplo, en la función objetivo F = 500x + 400Y los valores 500 X y 400Y hacen referencia
al precio de venta de los productos X, Y y Z respectivamente, valores que son conocidos y
exactos.
2.5 SIMULACIÓN.
La simulación es una técnica muy poderosa para el análisis y estudio de sistemas de gran complejidad
y/o en los cuales el volumen de datos es considerable. “la simulación se podría considerar como una
técnica que imita la operación de un sistema del mundo real a medida que evoluciona en el tiempo…
Un modelo de simulación toma la forma de un conjunto de suposiciones acerca de la operación de un
sistema, expresado como relaciones matemáticas o lógicas entre los objetos de interés en el sistema”
(Winston, 2005).
Los modelos de simulación tienen muchas ventajas respecto a los modelos analíticos, tales como:
La aplicación de los modelos de simulación es más fácil que en los modelos analíticos.
Se apoya normalmente en software computacional.
No es necesario realizar suposiciones que simplifiquen el modelo, por tanto permiten un mejor
acercamiento a la situación real y mayor flexibilidad en la predicción de situaciones.
Permite analizar diferentes situaciones de una aplicación específica.
Permite reducir el tiempo de experimentación.
Permite simular sistemas supuestos, es decir, que no existen físicamente.
Permite la evaluación de diseños alternativos del sistema.
Permite analizar la sensibilidad del sistema ante las variables de interés.
35
Introducción a la investigación de operaciones y construcción de modelos
Los sistemas pueden ser clasificados como discretos y continuos dependiendo de las características de
sus variables de estado.
Sistema discreto: en los sistemas de este tipo las variables de estado cambian en puntos
discretos los cuales pueden ser contados en el tiempo, por ejemplo, unidades producidas en
una jornada laboral. La simulación estática se conoce como Simulación de Monte Carlo la
cual será tratada en este módulo.
Sistema continuo: el los sistemas de este tipo las variables de estado cambian de forma
continua en el tiempo, por ejemplo, la temperatura en un horno de fundición de aluminio.
Como se estudió en las secciones 2.2.1 y 2.2.2 los sistemas permiten una simulación estática o
dinámica, visto desde su comportamiento en el tiempo, si es observado desde el comportamiento de
sus variables este puede ser determinista o estocástico.
a) Planeación estratégica y táctica: establecer las condiciones experimentales para el uso del
modelo.
b) Formulación del problema: definición del problema y enunciado del objetivo.
c) Construcción del modelo: abstracción matemática del problema.
d) Obtención de información: identificación, especificación y obtención de datos.
e) Desarrollo del programa: prepara el modelo para su procesamiento.
f) Verificación: asegurar el correcto funcionamiento del programa.
36
Introducción a la investigación de operaciones y construcción de modelos
LINGO es una herramienta diseñada para la construcción y solución de modelos lineales, no lineales,
cuadráticos, cuadrática restringida, estocásticos y modelos de optimización enteros. A la fecha de
elaboración de este módulo la empresa LINDO SYSTEM INC, fabricante del paquete para
modelamiento LINGO, ofrece la versión 15.0 como la más reciente la cual usaremos para estudiar el
tema de simulación.
Archivos de extensión .lgr: Archivo generado por LINGO con la solución del modelo.
37
Introducción a la investigación de operaciones y construcción de modelos
38
Introducción a la investigación de operaciones y construcción de modelos
Restricciones:
25x + 5y + 20z ≤ 50.000
20x + 20y ≤ 80.000
5x + 20y + 25z ≤ 40.000
5x + 5y ≤ 10.000
x, y, z ≥ 0
Implementación en LINGO.
En el menú File New creamos un archivo de tipo Lingo Model (*.lg4), ver Figura 9.
39
Introducción a la investigación de operaciones y construcción de modelos
Fuente: Autor
En Una vez creado el archivo Lingo expone una pantalla en blanco en donde escribiremos el
modelo de programación lineal siguiendo la siguiente sintaxis.
40
Introducción a la investigación de operaciones y construcción de modelos
Fuente: Autor
No es necesario escribir las restricciones de variables X, Y, Z ≥ 0, sin embargo, para agregar
la restricción se debe ingresar al menú Solver Option Pestaña General Solver Marcar
opción Variables assumed non-negative.
o Las desigualdades se ingresan como <= y >= para menor o igual que y mayor o igual que
respectivamente.
41
Introducción a la investigación de operaciones y construcción de modelos
Fuente: Autor
Una vez ingresado el programa, se procede a ejecutar el mismo para hallar la solución.
Ingresamos al menú Solver y se presiona la opción Solve. El software Lingo entre los resultados
mostrados en la Figura 12.
Figura 12. Solución al problema de programación lineal
42
Introducción a la investigación de operaciones y construcción de modelos
Fuente: Autor
Los valores de la columna value son los valores óptimos para cada variable. En nuestro
ejemplo los valores óptimos son:
X = 1684.211
Y = 1578.947
Z = 0.000
43
Introducción a la investigación de operaciones y construcción de modelos
La columna Slacks or Surplus da información sobre los la ganancia y los excedentes de cada
materia prima cuando es aplicada la solución óptima. En nuestro ejemplo los resultados son:
Las columnas Reduce Cost y Dual Price contienen los multiplicadores de Kuhn y Tucker5 de las
variables del problema, sin embargo, esta temática no entra en el alcance del presente módulo.
Fin ejemplo 4.
44
Introducción a la investigación de operaciones y construcción de modelos
GLOSARIO
Variables de decisión: Son las variables sobre las que se actúa para lograr la optimización de
la función de objetivo, estas variables están bajo control de la organización para la toma de
decisiones.
Restricciones: Son las desigualdades matemáticas que limitan los rangos de operación de las
variables de decisión y por ende limitan las posibles soluciones para la optimización de la
función objetivo.
Modelo determinístico: Son aquellos modelos en donde para cualquier valor de evaluación
de las variables de decisión se conoce de forma certera y repetible el valor de la función
objetivo.
Modelo estocástico: Son aquellos modelos en donde para un mismo valor de las variables
de decisión no es posible conocer de forma certera y repetible el valor e la función objetivo.
Modelo no lineales: Son aquellos en donde las variables de decisión se ven afectadas por
operaciones no lineales, como por ejemplo, multiplicación con otras variables de decisión,
raíces cuadradas, exponenciales, logaritmos, etc.
Modelos lineales: Son aquellos en donde las variables de decisión se ven afectadas
únicamente por constantes y la forma de interacción con otras variables es a través de una
suma de productos.
Modelos estáticos: Los modelos estáticos no tienen influencia del tiempo en el valor final de
la función objetivo. En este tipo de modelos la evaluación de la función objetivo depende
únicamente de los valores presentes de los variables de decisión.
45
Introducción a la investigación de operaciones y construcción de modelos
BIBLIOGRAFÍA
Beer, S. (1995). Decision and Control: The Meaning of Operational Research and Management Cybernetics.
Wiley.
Bustos Farias, E. (2015, noviembre 30). http://www.angelfire.com/ak6/publicaciones/kuhn_tucker.pdf.
Hillier, F. S., & Lieberman, G. J. (2015). Investigación de Operaciones (10 ed.). McGraw Hill.
Investigación de operaciones. (2015, Noviembre 12). Retrieved from
http://www.investigaciondeoperaciones.net/
Profesor en línea. (2015, Noviembre 16). Retrieved from
http://www.profesorenlinea.cl/matematica/Ecuaciones_lineales_tipos.html
Taha, H. A. (2012). Investigación de operaciones (9 ed.). Pearson.
Universidad Virtual Anáhuac. (2015, 11 14). Simulación. Retrieved from
http://uva.anahuac.mx/content/catalogo/diplanes/modulos/mod2/simulacion.htm
Winston, W. L. (2005). Investigación de operaciones. Aplicaciones y algorítmos (4 ed.). Thomson.
46